机器学习在斜坡地质灾害领域的应用现状与展望.pdfVIP

Vol.52No.4水文地质工程地质第52卷第4期

Jul.，2025HYDROGEOLOGYENGINEERINGGEOLOGY2025年7月

DOI：10.16030/ki.issn.1000-3665.202402011

王家柱，铁永波，白永健，等.机器学习在斜坡地质灾害领域的应用现状与展望[J].水文地质工程地质，2025，52(4):228-244.

WANGJiazhu,TIEYongbo,BAIYongjian,etal.Applicationandprospectsofmachinelearningforrockfalls,landslidesanddebris

flows[J].HydrogeologyEngineeringGeology,2025,52(4):228-244.

机器学习在斜坡地质灾害领域的应用现状与展望

1,2,31,2,31,2,31,2,31,2,34,5

王家柱，铁永波，白永健，高延超，王东辉，张鸣之

（1.中国地质调查局成都地质调查中心，四川成都610081；2.自然资源部地质灾害风险防控工程

技术创新中心，四川成都611734；3.自然资源部成都地质灾害野外科学观测研究站，四川成都

610000；4.中国地质环境监测院（自然资源部地质灾害技术指导中心），北京100081；

5.自然资源部地质灾害智能监测与风险预警工程技术创新中心，北京100081）

摘要：崩塌、滑坡、泥石流是常见的山区斜坡地质灾害，对人民生命财产安全构成严重威胁。计算机技术的迅速发展和

“大数据”时代的到来，为崩塌、滑坡和泥石流灾害风险防控提供了新动力，人工智能成为备受关注的前沿研究内容，而机器

学习算法是其中应用最为广泛的方法之一。在大量文献调研的基础上，从经典机器学习算法和深度学习算法2个方面综

述了机器学习算法在崩滑流灾害领域的应用，并对目前存在的问题和未来发展方向进行阐述。总结认为：（1）经典机器学

习算法可分为监督学习、无监督学习和强化学习3种，广泛应用在滑坡和泥石流灾害的易发性评价中，普遍认为随机森林

模型具有较高的预测精度和建模适应能力；（2）常用的深度学习架构包括自编码器、深度置信网络、卷积神经网络和循环

神经网络4类，主要应用于崩滑流灾害的识别、易发性评价及位移预测；（3）未来研究需重点加强数据质量与数量、提升模

型的可解释性、增强模型可靠性与泛化性、构建实时监测预警系统，推动实现地质灾害的自动识别和快速响应。研究结果

为采用机器学习开展斜坡地质灾害防灾减灾工作提供支撑和研究方向。

关键词：机器学习；深度学习；灾害识别；易发性评价；崩塌；滑坡；泥石流

中图分类号：P642.2文献标志码：A文章编号：1000-3665（2025）04-0228-17

Applicationandprospectsofmachinelearningforrockfalls,

landslidesanddebrisflows

WANGJiazhu1,2,3，TIEYongbo1,2,3，BAIYongjian1,2,3，GAOYanchao1,2,3，

WANGDonghui1,